digitalisering
>

Er vi på riktig vei med digitaliseringen i Norge?

Eirik Øra og Atle Vesterkjær, AIA Science 
18. april 2018

Mange frykter følgene av kunstig intelligens, økt overvåkning og jobber som forsvinner. Klarer norske virksomheter å navigere riktig og gjøre Norge til et digitalt foregangsland, spør Eirik Øra og Atle Vestkjær i AIA Science.

Hvor er vi på vei?


Kanskje du er en av dem som spør du deg selv hva digitalisering er for din bedrift?  Kanskje er du en av dem som jobber med store digitale strategier? I dagens mediebilde roper kjendiser over hverandre om farer ved kunstig intelligens, overvåkingssamfunnet, jobber som forsvinner og behovet for borgerlønn. Store norske bedrifter arrangerer seminarer og konferanser som forsterker dommedagsmeldingene og blander disse med salgsargumenter for egne verktøy og tjenester. Det er lett å bli forvirret og paralysert av disse “røykteppene”, som ofte dekker over manglende utvikling på området. Klarer norske virksomheter å navigere og finne veien fremover i dette landskapet? Blir de virkelig digitale?

Er ‘digitalisering’ bare hype? Hva er egentlig ‘digitalisering’?


Vi spurte 10 ledere om å definere ‘digitalisering’ og fikk 10 forskjellige svar. For noen er digitalisering kun å putte informasjon i elektronisk form, mens andre vektlegger en fullstendig omveltning av organisasjonen. Her er det viktig å løfte blikket og spørre seg: Hvordan vil en digital bedrift se ut om 5-10 år? Hvilke digitale endringer er det som kommer til å få størst betydning for næringslivet over tid?

Det er lett å misforstå og tro at digitalisering kun handler om å gjøre ting elektroniske (dvs. bruke skjerm eller app i stedet for papir, eller vise rapporter på en TV på veggen). Slike omlegginger, som gjerne koster mye tid og penger, får tjenester og prosesser til å fremstå som mer moderne, selv om de i realiteten er relativt like de gamle. Altinn er en nyttig digital måte å levere søknader på, men er prosessen bak den samme gamle? Involverer den mye manuell saksbehandling og lange ventekøer? Det er bra å ha lagret søknadene dine elektronisk, men mangler ikke dette litt intelligens?

Ekte digitalisering handler om å utnytte maskiners evne til å lære (aka. kunstig intelligens) på en måte som ofte snur opp ned på forretningsprosessene dine. I en ekte digital bedrift har “maskinene” (gjennom sin evne til å lære ved bruk av maskinlæringsmodeller) inntatt en ny rolle. De har lært seg å forstå situasjonen ut fra historiske data og de trenes til å fatte beslutninger om hva som til enhver tid skal gjøres. Dette bringer bedriften fra å være reaktiv og manuell, til å bli proaktiv og mer automatisert. Hvorfor skal brukeren sende inn en søknad (f.eks. for å søke etter en barnehageplass), kanskje være for sent ute og måtte fylle ut mange felter med tidligere kjent informasjon, når maskinene allerede kan forstå behovet basert på det de vet (barn født for 9 mnd siden), og iverksette en slik tenkt dialog med brukeren: Kan vi foreslå at du velger en av disse 3 barnehageplassene for ditt barn?

Skillet mellom virksomheter som vil lykkes eller feile med digitaliseringen ligger nettopp her. Det er en fordel for de små nystartede bedriftene innenfor din bransje, som aktivt utnytter maskinlæring på en god, vitenskapelig og data-drevet måte. De som leverer de beste tjenestene fordi de har de mest effektive prosessene og dermed lavest kostnader.

Advarsel: Ulendt terreng i vente og fare for å ende på ville veier


Vi vil møte større utfordringer i årene som kommer. Mange av de AI løsningene som har blitt tatt frem på markedet i dag er kun piloter, men blir markedsført som produkter eller produksjonsklare løsninger. I prosjektorganiserte organisasjoner hentes ofte eksperter inn for å få frem AI baserte løsninger, men så snart den første piloten er levert blir det stans. Tiden og pengene er brukt opp, ekspertene reiser videre og den tradisjonelle organisasjonen står nå med en “intelligent modell” på teamet. Hvordan kan de spille hverandre gode?

Vi vet at maskinlæring er ferskvare. Dersom overvåkning og trening av modellen stopper opp etter leveranse blir modellen raskt dårligere i løpet av kort tid. Det kreves ny leder- og fagkompetanse i organisasjonen for å skulle lede kunstig intelligens på riktig vei! La oss fjerne digitaliseringens tåkeprat og bygge ekte sterke digitale virksomheter i Norge!

Bli med oss på kurs i AI og maskinlæring


Kan vi rydde litt i alle digitaliseringsprosessene i Norge. Skille mellom “leppestift digitalisering” og “ekte digitalisering” ved å fokusere på hvordan vi kan bruke intelligensen som ligger spredt blant alle ansatte i bedriften til å utvikle automatiske løsninger i kjernen av bedriften. Gjør du det riktig vi disse løsningene trenes til å bli bedre over tid. Ved å utnytte maskiner til å forstå situasjoner, ta raske og gode beslutninger og skape bedre, billigere og raskere tjenester og løsninger vil Norge bli et digitalt foregangsland.

Epilog: 7 digitaliseringsvettregler


Mange digitaliserings forsøk starter med å lagre alle data. Det er smart. Men, hva gjør du med dataene? Er alle data relevante? Kan du bruke dataene til å lage bedre løsninger til verdifulle problemer? Kanskje, men tør du kombinere tradisjonell teknologi med maskinlæring når du planlegger automatisert drift av din forretning? Da bør du ta i bruk anvendt kunstig intelligens bygd på sunn forretningsforståelse, vitenskapelige metoder og riktig bruk av maskinlæring. Ikke mist troen, men:

  • Bygg på menneskelig ekspertise.
    • Vask dataene dine slik at du får representert virkeligheten på en god måte.
  • Respekter gode vitenskapelige metoder og rutiner.
  • Velg verdifulle problemer knyttet til bedriftens kjernevirksomhet og voks stegvis.
    • Start med det du har.
    • Voks med nye datakilder du kan finne.
      Samle inn data som mangler ved å sette i gang nye prosesser (for eksempel ved hjelp av måleutstyr eller søk).
  • Bruk maskinlæring som metode for å forutsi det du lurer på.
  • Undersøk hvor bra enhver prediksjon er ved å ha gjennomsiktige prosesser (og ikke svarte bokser), som gir ferske modeller, en forutsetning for å bli bedre over tid.
  • Bruk både de største ekspertene innen den tradisjonelle kjerneteknologien din bedrift har i dag og de beste ekspertene innen AI.
  • Automatiser ved å bygge verktøy som iterativt:
    • skaper et godt og detaljert bilde av nåsituasjonen (ved hjelp av eksisterende og nye komplementerende sensorer og datakilder)
    • identifiserer mulige endringer som vil ha positiv effekt
    • umiddelbart måler effekten av disse endringene.
    • gjør en ny iterasjon hvor vi lærer av resultatene fra a),b) og c) og automatiserer der det er mulig.

Skrevet av Eirik Øra (COO) og Atle Vesterkjær (CTO) fra AIA Science